[发明专利]一种平面交叉口下非机动车交通冲突的风险因子评估方法

权利要求书

1.一种平面交叉口下非机动车交通冲突的风险因子评估方法，其特征在于，包括以下步骤：

步骤1、从无人机航拍视频中采集当前平面交叉口中车辆行驶轨迹数据，并从中提取非机动车A以及车辆B的运动状态数据，包括：车辆位置和速度；

步骤2、若当前非机动车A与车辆B在一条水平直线上相互逼近，则执行步骤2.1-步骤2.3，若当前非机动车A与车辆B以交错的方式相互逼近，则执行步骤2.4-步骤2.7；

步骤2.1、若当前非机动车A与车辆B在一条水平直线上同向行驶，则利用式(1)计算当前时刻t的非机动车A与车辆B的碰撞时间TTC_A,B(t)：

式(1)中，l_A,B(t)表示当前时刻t下后车B车头到前车A车尾的空间距离，v_B(t)表示当前时刻t下后车B车辆的速度，v_A(t)表示当前时刻t下前车A的速度；

若当前非机动车A与车辆B在一条水平直线上对向行驶，则利用式(2)计算当前时刻t下非机动车A与车辆B的碰撞时间TTC_A′_,B(t)：

式(2)中，l′_A,B(t)表示当前时刻t下两车车头的空间距离，v_A(t)、v_B(t)分别表示当前时刻t下非机动车A、车辆B的速度；

步骤2.2、在同向行驶过程中若t+1时刻下后车B车速大于前车A，或对向行驶过程中t+1时刻下非机动车A与车辆B中任一车辆的速度不为0，则表示两车将发生预期碰撞，并将t+1赋值给t后，返回步骤2.1执行，否则，表示两车不发生预期碰撞，并从所有计算的非机动车A与车辆B的碰撞时间中选取最小值得到最小碰撞时间minTTC_A,B；

步骤2.3、利用式(3)得到非机动车A和车辆B交通冲突的风险等级y_A,B，若y_A,B≠∞，则执行步骤3；否则，返回步骤1；

式(3)中，θ₁表示基于TTC指标的交通冲突判别阈值，θ₂表示基于TTC指标的交通冲突风险等级划分阈值；y_A,B＝0表示轻微冲突，y_A,B＝1表示严重冲突，y_A,B＝∞表示无冲突；

步骤2.4、利用式(4)计算当前时刻t下非机动车A与车辆B的交通冲突风险度量指标

式(4)中，d_A(t)表示当前时刻t下非机动车A与车辆B保持当前行驶方向不变时两车预期轨迹相交点与非机动车A的距离，d_B(t)表示当前时刻t非下机动车A与车辆B保持当前行驶方向不变时两车预期轨迹相交点与车辆B的距离；

步骤2.5、若非机动车A或车辆B的车尾经过两车行驶轨迹的相交点，则从所有计算的交通冲突风险度量指标中选择最小值并记为最小交通冲突风险度量指标否则，将t+1赋值给t后，返回步骤2.4执行；

步骤2.6、利用式(5)计算非机动车A与车辆B的后侵入时间指标PET_A,B：

PET_A,B＝t_A-t_B (5)

式(5)中，t_A表示后经过相交点的非机动车A的车头到达相交点的时刻，t_B表示先经过相交点的机动车B的车尾离开相交点的时刻；

步骤2.7、利用式(6)得到非机动车A和车辆B交通冲突的风险等级y′_A,B；若y′_A,B≠∞，则执行步骤3；否则，返回步骤1；

式(6)中，τ₁、λ₁分别表示基于交通冲突风险度量指标T₂、后侵入时间指标PET的交通冲突判别阈值，τ₂、λ₂分别表示基于交通冲突风险度量指标T₂、后侵入时间指标PET的交通冲突风险等级划分阈值；y′_A,B＝0表示轻微冲突，y′_A,B＝1表示严重冲突；y′_A,B＝∞表示无冲突；

步骤3、从与无人机航拍同步拍摄的道路相机摄像数据中，提取非机动车A驾驶员的K个风险驾驶行为并构成影响任意第i起交通冲突风险等级的解释变量集合X_i＝(X_i1,X_i2,…,X_ik,…,X_iK)，其中，X_ik表示意第i起交通冲突的第k个风险驾驶行为；令第i起交通冲突风险等级的解释变量集合X_i的交通冲突风险等级y_A,B或y′_A,B记为y_i；由X_i和y_i构成第i个样本；从而按照步骤1-步骤3的过程得到N个样本；

步骤4、建立均值、方差异质性的随机参数二项Logit模型，定量分析影响非机动车交通冲突严重程度的影响因素；

步骤4.1、当X_ik为连续变量时，采用t检验对X_ik进行单因素显著性分析，当X_ik为分类变量时，采用卡方检验对X_ik进行单因素显著性分析，并将检验得到的P值与所设定的显著水平α进行比较，若P值小于显著性水平α，则加入第一解释变量集中，否则，继续判断下一个风险驾驶行为；从而得到最终的第一解释变量集/

步骤4.2、计算最终的第一解释变量集中每个解释变量的方差膨胀因子，并将方差膨胀因子大于等于θ的解释变量删除，从而得到第二解释变量集/

步骤4.3、构建逐步回归模型，将第二解释变量集中的解释变量逐个引入回归方程中，并在每一次引入时对回归方程中的全部解释变量分别进行F检验，若检验得到的P值大于等于设定的显著水平α，则剔除相应解释变量，否则，保留相应解释变量，从而得到第三解释变量集/

步骤4.4、利用式(7)建立Logit回归模型：

式(7)中，p_i表示第i个样本为严重冲突的概率，1-p_i表示第i个样本为轻微冲突的概率；β_i为第i个样本待估计的参数向量，并由式(8)得到；ε_i为第i个样本的随机误差项；

β_i＝β+δ_iM_i+σ_iexp(ω_is_i)v_i (8)

式(8)中，β表示参数向量β_i的均值，M_i是影响参数向量β_i均值的解释变量向量，δ_i是M_i相对应的估计参数向量，s_i为捕捉β_i的标准差σ_i中异质性的解释变量向量，ω_i是s_i相对应的估计参数向量；v_i是第i个样本的扰动项；

步骤4.4、假设第三解释变量集的参数向量β_i均为随机参数，并指定随机参数分布的概率密度函数，将解释变量向量M_i和解释变量向量s_i均初始化为解释变量集合X_i；

步骤4.5、采用基于仿真的最大似然方法对Logit回归模型进行参数估计，求出使如式(9)所示的似然函数取最大值时的估计参数向量β_i′、δ′_i、ω′_i，并作为模型回归结果；

步骤4.6、根据所述模型回归结果，若在第三解释变量集中某个解释变量在估计参数向量β_i′中对应的估计参数的标准差和均值的P值均小于设定的显著性水平α，则将相应解释变量设定为随机参数，并基于Logit回归模型的拟合优度确定相应解释变量在估计参数向量β_i′中对应估计参数的概率密度函数，否则，将相应解释变量的估计参数设定为固定参数；

若解释变量向量M_i中某个解释变量在估计参数向量δ′_i中对应的估计参数的P值小于设定的显著性水平α，则在解释变量向量M_i中保留相应解释变量，否则，从M_i中剔除相应解释变量；

若解释变量向量σ_i中某解释变量在估计参数向量ω′_i中对应的估计参数的P值小于设定的显著性水平α，则在解释变量向量σ_i中保留相应解释变量，否则，从σ_i中剔除相应解释变量；

步骤4.7、按照步骤4.5-步骤4.6的过程进行处理，直至模型回归结果中估计参数的P值均小于设定的显著性水平α，从而得到最终的模型回归结果；

步骤4.8、根据最终的模型回归结果，当第三解释变量集第m个解释变量/为连续变量时，利用式(10)计算弹性系数值/当解释变量集/中的解释变量/为分类变量时，利用式(11)计算变量的伪弹性系数值/

式(11)中，表示当解释变量/等于1时发生严重冲突的概率，/表示当解释变量/等于0时发生严重冲突的概率；

步骤4.9、按照步骤4.8的过程得到第三解释变量集中所有解释变量的边际效应，并进行降序排序，判断出第三解释变量集/中各风险驾驶行为对交通冲突风险程度的影响大小，作为平面交叉口下非机动车交通冲突的风险因子评估结果。